基于模糊C均值聚类约束的井-地磁法联合数据空间反演

针对井的数量和分布空间有限,磁法三维反演存在计算量大,反演多解性严重的问题,开展基于模糊C均值聚类约束的井-地磁法联合数据空间反演.采用数据空间反演方法,提高三维反演计算效率,然后在反演中引入模糊C均值聚类对反演迭代结果进行物性约束,提高反演结果可靠性.通过理论模型和冬瓜山矿区模型进行反演分析.结果表明:数据空间反演能...     

高校思政课专题教学中主客体关系的三维审视

专题教学既是一种独特的教学过程,又是通过专题化内容凝练和探究性教学展示,向特定对象特别收集制作而形成的特殊教学方式,具有启发性、深刻性和实践性,形成后的专题可反复使用。正确认识、处理专题教学中主客体在价值层面、认知层面、时间层面的三维关系,进而提升专题教学主客体的主导意识、问题意识、创新意识,有助于增强思政课的思想性、理论性、亲和力和针对性。     

云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

基于数据增强和字词融合特征的实体槽位识别

针对传统的基于字级表示的实体槽位识别模型无法很好利用词语信息,以及信息技术(IT)运维领域缺少足够数量公开数据集的问题,提出一种基于BERT＿Word2vec＿BiLSTM＿CRF模型的实体槽位识别方法,并通过数据增强对模型的训练数据集进行扩展．该模型将基于转换器的双向编码表征(BERT)模型得到的字向量表示和Word2vec得到的词向量表示进行融合,通过双向长短时记忆(BiLSTM)网络进行上下文编码,通过条件随机场(CRF)进行解码,得到最终的序列标注结果．通过在某企业提供的数据集上进行实验,结果表明：融合词级特征可以在BERT预训练模型的基础上进一步提升识别性能,F1值达到了92.33%.     

基于FP-tree关联算法的文献主题研究——以大数据哲学研究为例

数据科学与人文社会科学的融合,不仅能丰富人文社会科学的研究方法,还能拓展研究思路、发现新问题、提出新议题。这种融合将人文社会科学研究带入了一个前所未有的时代。本文介绍了一种利用FP-tree算法对社会科学文献关键词做关联规则挖掘,从而获得相关研究领域研究重点、趋势、研究进路以及“数字意外”的流程和方法,并将该方法应用于“大数据哲学研究”领域,直观地揭示目前该领域的研究重点、现状和相关研究路径等。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

大数据发展与绿色经济效率协调度研究——基于省级面板数据

构建了大数据发展水平系统和绿色经济效率系统的评价指标体系。根据中国大陆2013—2018年30个省份(除西藏外)的面板数据,利用熵值法和耦合协调度模型动态测度了各省份大数据发展和绿色经济效率的综合水平以及两者的耦合协调度。结果表明：各省份在大数据发展水平上存在差异,并且在空间分布上也存在明显的差异;各省份在绿色经济效率上并没有表现出明显的区域特征和空间差异;各省份大数据发展水平与绿色经济效率两个系统之间具有较强的耦合关系,且两者之间处于同步发展阶段。     

具有部分缺失数据混合几何分布总体的参数估计

在部分数据缺失情形下,研究混合几何分布总体参数的矩估计,证明了此估计量的强相合性及其渐近正态性质.通过随机模拟,给出不同样本容量下总体参数估计的均方误差,模拟结果显示均方误差较小,说明此方法具有可行性.     

基于大数据挖掘分析的人力资源效能分析模型设计

该文针对电信运营商长期以来用工总量大、人力资源效能低的问题,积极探索和开展人力资源领域数字化转型实践。依托数据中台的集约化能力,整合拉通全域数据,基于大数据挖掘分析结果,建系统上手段,全生产场景嵌入赋能,聚焦不在岗和低产能人员,严格考核退出,提高用工效率,提升员工产能,关注一线群体产能与薪酬分配一致性,推动奖优罚劣和按劳分配,激发员工活力,最终实现用工配置—产能—薪酬的“三透明”。     

工业智能化背景下大数据的应用研究

中国拥有强大的制造业,制造业的发展是中国经济快速增长的主要原因之一。随着科学技术的日益发展和互联网的广泛使用,工业大数据的使用已经成为智能制造业转型和现代化的一个非常重要的技术工具。现在有必要利用工业大数据技术进一步改革和现代化工业制造业,以大数据为主导的产业革命已提上日程,大数据将是未来产业体系形成的关键。